买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东汇龙电器有限公司申请的专利基于卡尔曼滤波的温度传感器融合补偿方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120445465B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510949192.9，技术领域涉及：G01K13/00；该发明授权基于卡尔曼滤波的温度传感器融合补偿方法及系统是由梁业勇;罗健韵;李良云;谢醒强设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本基于卡尔曼滤波的温度传感器融合补偿方法及系统在说明书摘要公布了：本申请涉及温度控制技术领域，尤其是涉及基于卡尔曼滤波的温度传感器融合补偿方法及系统，方法包括采集原始测量信号并进行预处理；根据预处理结果构建各传感器的特征向量矩阵和对角线特征值矩阵；通过卡尔曼滤波算法对所述状态向量和协方差矩阵进行更新，生成最优状态估计值；根据各传感器的残差分布和KL散度评估调整各传感器的权重；在对正常传感器和异常传感器的传感器权重调整后，将各传感器的权重与所述最优状态估计值进行加权求和，生成最终温度测量值。本发明通过卡尔曼滤波算法提高人们对高频噪声和设备误差对传感器的影响程度的判断；并通过残差值计算和KL散度评估动态调整各传感器的权重，显著提高系统的鲁棒性和补偿精度。

本发明授权基于卡尔曼滤波的温度传感器融合补偿方法及系统在权利要求书中公布了：1.基于卡尔曼滤波的温度传感器融合补偿方法，其特征在于：包括以下步骤： 获取多个温度传感器的原始测量信号，并对所述原始测量信号进行预处理，得到标准化测量信号； 根据所述标准化测量信号，构建各传感器的特征向量矩阵和对角线特征值矩阵； 基于特征向量矩阵和对角线特征值矩阵，通过卡尔曼滤波算法对状态向量和协方差矩阵进行更新，生成最优状态估计值； 根据所述最优状态估计值计算各传感器的残差分布，并通过KL散度评估各传感器的置信度； 基于所述置信度，计算各传感器的权重调整值，并生成时变权重分配矩阵； 在检测到传感器异常时，通过时变权重分配矩阵调整传感器的权重； 对正常传感器和异常传感器的传感器权重调整后，将调整后的权重与所述最优状态估计值结合，生成最终温度测量值； 其中，通过卡尔曼滤波算法对状态向量和协方差矩阵进行更新，包括步骤： 根据特征向量矩阵和对角线特征值矩阵初始化初始状态向量和初始协方差矩阵； 基于所述初始状态向量，构建温度动态演化模型； 将所述初始状态向量输入温度动态演化模型中作为初始数据，所述温度动态演化模型通过状态转移方程建立系统状态从当前时刻到下一时刻的演化规则； 基于所述初始协方差矩阵，计算下一时刻的协方差矩阵和卡尔曼增益； 根据卡尔曼增益计算下一时刻状态向量的最优状态估计值； 所述状态转移方程计算公式为： ； 所述协方差矩阵计算公式为： ； 所述卡尔曼增益计算公式为： ； 所述最优状态估计值的计算公式为： ； 其中，为时刻的状态向量，初始值为初始状态向量，为时刻的状态向量，为状态转移矩阵，描述状态从时刻到时刻的转移关系，为控制输入矩阵，当无外部控制输入时，可设为单位矩阵，当有温度调节装置时，表示其对状态的影响系数，为时刻的控制输入向量，为时刻的协方差矩阵，初始值为初始协方差矩阵，所述初始协方差矩阵通过特征分解技术提取的对角线特征值矩阵初始化所得，为时刻的协方差矩阵；为卡尔曼增益，用于决定观测值对状态修正的贡献权重，为观测矩阵，是根据传感器特性设计的转换矩阵；所述为时刻的观测值，由标准化测量信号经低通滤波后输出的实时测量数据构成，为时刻的最优状态估计值，的初始值为历史最优状态估计值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东汇龙电器有限公司，其通讯地址为：528300 广东省佛山市顺德区容桂街道细滘社区细滘路81号中建创科园1栋101号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。